对于3月17日在科创板上市的格灵深瞳来说，此前很多人一直误解的那句投资人估值玩笑，总有人依然误解。被误解不仅是人类的宿命，也是很多企业的宿命。但投资人不会在意自己的玩笑被误解，投资回报才是更重要的事情。
格灵深瞳天使轮投资者当初数百万元的投资，即使参考目前的估值，回报也都在百倍以上。时至今日，真格基金仍然合计持有格灵深瞳8.43%的股份也是明证：不要看投资人说什么，而要看投资人做什么，认可什么。
当然，判断一家企业的长远发展，不能只看一时的投资回报，还要看更多技术、财务与市场指标。AI赛道的终点远没有到，更重要的，应该是去看格灵深瞳从起点跑了多远，跑姿变化了几次，初心是否仍然坚定？
三维技术切入场景，寻找技术“处女地”
AI企业切入产业，最初往往都是“拿着锤子找钉子”的状态。也就是说，在某个可能的AI应用领域，根据客户需求，结合自己的技术实力去定制解决方案。至于是用大锤子找小钉子，还是用小锤子找大钉子，就是两种迥然不同的打法。
在2013年创业之初，格灵深瞳的选择，是用三维技术切入二维视觉技术为主的场景。
三维视觉技术与二维视觉有着本质不同。比如，空气是透明的，普通摄像头无法看到空气的流动，但通过纹影光学法结合三维摄像头，利用光折射率梯度与气流密度成正比的关系，就能够观测到空气的流动。
格灵深瞳创始人赵勇在创业之前，是谷歌眼镜的核心研发人员，不仅在运算影像学、三维视觉领域积累深厚，也曾在谷歌自由的研发环境中，在实验室使用纹影光学法、三维视觉等技术，做过一些有趣的应用尝试。比如测量打一个喷嚏到底可以打多远，甚至还尝试用这种技术去在风洞等工业领域进行空气动力学检测。
格灵深瞳借助三维计算机视觉技术，增加了物体的深度信息，更完整真实地还原了物体信息。相比于二维图像识别，三维视觉可以做到的事情更多，其处理信息的维度从平面扩展到了三维空间，在很多应用场景中堪称“降维打击”。
以格灵深瞳2015年推出的“皓目行为分析仪”为例，通过三维空间检测能力，用户可精确定义空间热点区域，有效地避免因遮挡引发的误报；通过三维背景和二维图像相结合的背景变化检测，也能够有效预防视觉欺骗。
就这样，格灵深瞳借助三维视觉技术解决了实际场景中相互遮挡、比例混淆、影随人动等问题，提高了智能检测和分析的准确度。三维视觉与深度学习结合，就能帮助计算机像人一样在真实世界中吸收、学习和理解复杂的信息，完成高难度的识别任务：如更加精确地检测、分析、预警人物动作姿态（如跌倒）和人物运动轨迹（如越界、逆行、徘徊等）。
据招股书，格灵深瞳的3D立体视觉技术，包括多目传感器标定与深度估计技术、运动姿态分析技术、3D 重建与立体视觉分析技术等多个方向，其点云局部和局部配准的精度也是目前该领域技术指标的最好水准。
当然，二维和三维只是两种不同的技术路线，并无高低之分。它们适切不同的场景：要想在更复杂场景下实现更精确的视觉感知，三维是绕不开的技术路线。
格灵深瞳作为最早押注三维视觉技术的AI企业，一方面凭借核心技术优势，以三维视觉技术切入智慧金融、体育健康、轨交运维等应用场景。
另一方面，技术的超前性，也意味着往往需要尝试更多场景，才能找到一片属于AI企业的处女地。否则，再领先的技术，用在不能由AI企业主导的场景中，都可能是为他人作嫁衣裳。
这也关系到一个AI企业都会面临，但外界却可能忽视的关键问题：落地应用不仅要看规模，更要看落地应用中AI企业的份额比例。只有在属于AI企业的处女地中，AI企业才能够获取最大的市场份额。
处女地在哪里：壁垒与开放
在很多传统场景中，硬件商、总包商往往拿走比AI企业更高比例的订单额。这也使得AI市场规模看起来很大，落到AI企业盘子里的却不多。
除非，AI企业开辟出一片属于自己的处女地，建构全新的落地场景，在“卖算法”“卖服务”之外，为软件匹配最合适的硬件，将先进技术封装为一个软硬一体、完整可见的产品包——这样，也有助于在较高的毛利之外，还获取较高的营收总额。否则，AI企业总是难逃“看起来市场空间很大，落到自己手上的份额却没有那么高”的困境。
“处女地”在哪里，或许可以从毛利率最高的产品去推断。
据招股书，格灵深瞳销售的产品主要通过纯软件或软硬一体形式交付，纯软件产品因不含硬件成本，毛利率始终较高；软硬一体产品的毛利率受到硬件数量和功能配置等因素的影响，存在一定波动。
软件比硬件毛利率高，这是行业常态。但毛利率较低的硬件，在AI行业中地位也越来越重要。随着边缘端传感器、计算单元的逐渐普及，软硬一体的产品也更能助力企业建立独到优势。
实际上，格灵深瞳非常重视“云边端一体化”的产品体系建设。
从早期的皓目行为分析仪，到其他智源智能前端产品、双光温测智能识别设备，以及用于商业零售领域的深瞳慧目摄像机、车路协同边缘感知设备等边缘计算设备，格灵深瞳一直在打通全栈云边端业务线，并通过云边端一体化的产品体系不断拓展应用场景，如体育健康、轨交运维等新领域。
各类硬件及软硬件一体化设备的体系化建设，在毛利率上也有体现。2019年至2021年上半年，格灵深瞳主营业务毛利率分别为 53.13%、61.57%和 72.37%，整体上还是逐年提升。而且，与同行业可比公司毛利率对比，格灵深瞳的毛利率也超过市场平均值。
有趣的是，按应用场景去看毛利率，除了2018年，智慧金融以70.87%的毛利率在格灵深瞳主要业务场景中位居第一之外，2019年至2021年上半年，毛利率最高的一直是城市管理产品及解决方案。
要知道，AI赛道竞争最激烈的就是计算机视觉领域，而计算机视觉领域落地应用场景最多、竞争最激烈的，就是城市管理领域。在这个堪称红海的AI企业“修罗场”，格灵深瞳还能维持较高的毛利率，这也从侧面反应公司技术能够“征服”客户。
对AI企业来说，要想提高毛利率，找到毛利率最高的那片“处女地”，还有一种成长路径，就是从项目制到平台化。2021上半年，深瞳行业应用平台的毛利率较2020年上升，一方面是2020年销售的软件产品定制化开发及安装部署成本较高，显著降低了当年毛利率；另一方面，2021年上半年销售同类软件，定制化开发所需要的人工成本大为减少，毛利率自然提高。
同样有趣的是，格灵深瞳并没有像行业类似企业那样，对平台进行商业化发展；而是仍在一步一个脚印，不断摸索AI应用的全新可能。
平台化发展意味着规模化、低成本、可复用，意味着可以降低高端研发人才所不可避免的高研发成本。但同时，当前AI应用到新场景，全新的研发和部署工作也难以避免，想完全将一个场景的研发复用到另一个场景，且不增加开支，似乎还不到时候。
格灵深瞳在成立初期便搭建了集数据采集、数据预处理、数据标注、模型训练、模型优选等模块于一体的底层 AI技术平台——深瞳大脑，并赋能自己的智源智能前端产品、灵犀数据智能产品、深瞳行业应用平台等产品的商业化运作。
但深瞳大脑这一平台本身，目前还没有看到格灵深瞳直接商业化的打算。格灵深瞳反倒是基于平台高效的数据生产能力以及模型自动化训练与跨平台推理能力，于2020年先开源量化算法 EasyQuant，后开源全球最大的人脸识别数据集 Glint360K。
将自己自研、自用多年的算法与数据集开源，降低相关AI算法的研发门槛，让更多人借助这些源代码持续学习、测试，也为AI应用落地产业提供了更多的智力支持。
在开拓新场景的路上，格灵深瞳还有一项亮眼的数据表现——研发人员人均创收较高。据招股书信息，格灵深瞳的研发人员人均创收已经从2018年20.79万元增长至2020年的92.29万元，位列行业可比公司第一。
提高人效，虽然有助于规避AI企业成长初期的人力成本过高问题，但在行业快速发展阶段，人才的适度冗余也有必要，一旦市场有变化，就能组建团队快速出击。据招股书，截至2021年上半年，格灵深瞳研发人员的数量为153人，占格灵深瞳员工总人数的比例为54.64%。
一百多名精兵强将，如果要在AI赛道开启平台化发展模式，或许尚不够多。但格灵深瞳也展示了AI企业成长的另外一种路径：
平台化发展对格灵深瞳来说，也许还不是构建竞争壁垒的首要条件，因为AI企业提供的软硬件产品与服务，短时期内也难以规避硬件采购、项目现场安装调试、施工等各种成本。还不如将人均创收发挥到极致，先在商业上打赢一个又一个项目，将平台中多年积累的先进算法和数据开源，逐渐形成平台生态体系，并从容寻找自己的“处女地”。
看懂中国，就等于看懂世界
中国AI产业在全球的影响力正不断提升，据亿欧智库《2021中国AI商业落地市场研究报告》，2017至2019年，我国政府工作报告连续三年均提及加快人工智能产业发展；2020年，人工智能更是与5G基站等一起被列入新基建范围；2018-2020年，中国AI企业数量在全球占比由20%提升至约25%；2021年至今，中国人工智能产业正进入深入融合发展期。
计算机视觉也是AI企业竞争最激烈的领域，亿欧智库调研数据就显示，2021年，计算机视觉在AI市场占比已达三分之一。还有研究认为，计算机视觉赛道占据了整个AI赛道的半壁江山。
计算机视觉可以做什么？格灵深瞳那句“让计算机看懂世界”的slogan就是最好的解释。中国AI市场无数场景应用的复杂性，也意味着“看懂中国就等于看懂世界”。
其实在看什么、怎么看上，格灵深瞳切入的场景是一条少有人走的路。就以智慧金融领域为例，虽然也有部分AI企业切入，但多是运用人脸识别、语音语义识别、OCR等技术，或者指纹识别、指静脉识别、虹膜识别、声纹识别等模式识别技术，帮助客户进行身份认证、业务核验等。
而格灵深瞳的解决方案主要应用于银行金库、加钞间、网点的安全运营场景，依托三维行为识别分析系统，实现场景中的合规性监控、异常人员或可疑行为的实时预警。这些场景，一方面比单纯的安防监控更加复杂，一些细微动作中就可能藏有潜在的金融风险，需要进行更细微的分析；另一方面，越早涉足这些场景，积累更多的数据用于模型训练，也越能够提高算法的精确度。
在看懂中国多种细分场景上，格灵深瞳还有更多探索与研发。
比如，不同于美国以汽车为主的城市交通，中国的城市化以集约化的轨道交通、公共交通为主要方向。但由于轨道交通部件结构复杂、检修范围广、细小部件多、检修频次高、作业强度大，目前人工为主的运维体系一直处于高负荷运作状态，智能化已是轨道交通发展的必然趋势。
相比于行业，格灵深瞳率先涉足轨交运维，已经与中车电气等单位建立了长期合作关系：格灵深瞳的智能运维产品，能够对列车150种以上的车况指标进行检测，帮助中车电气大大提高了其在宁波、无锡等城市的地铁运维效率。
中国已经成为世界上人工智能应用最大的场景地，人工智能也上升为国家级战略。中国AI公司也正在让技术与中国场景深度结合，用中国场景+AI技术，产生世界级应用影响。
当然，从技术到产品，从产品到落地商用，从一个场景的落地商用到更多场景的落地——AI技术要给企业带来营收与利润，需要经过无数个环节的考验，也需要前期投入海量资金。
这也是高营收之下，很多AI企业难以规避亏损的主要原因——AI是一个知识密集型、资金密集型、人才密集型产业。
据招股书，格灵深瞳2020年经营性现金流已回正，达到3508.82万元，在最近一波申请科创板上市的AI企业里绝无仅有，且扣除股份支付费用后，最后一期已实现经营性盈利。若不考虑股份支付费用的影响，公司 2020 年扣非归母净利润为 1031.69万元，已实现扭亏，成为行业内首家实现经营性盈利的AI公司。
哪怕营收更高的企业，面对瞬息就会波澜变化的市场，现金流持续流出，也会导致公司处于危险的境地。现金流尽快回正，才能安稳人心。可以说，避免了行业中营收越大亏损越大困境的格灵深瞳，距离净利润转正已经不远。
在AI赛道泡沫膨胀的那几年，格灵深瞳确实没有变成胖子；但在行业普遍缩水之后，没有虚肉的格灵深瞳，相信也会在AI赛道继续快速奔跑，在已有优势细分领域之外，不断探索AI的边界，赋能更多领域。